Implementasi Multiclass Support Vector Machine Pada Sistem Rekomendasi Obat Berdasarkan Gejala Penyakit

Authors

  • Agung Prajuhana Putra Universitas Pakuan, Bogor, Indonesia
  • Iyan Mulyana Universitas Pakuan, Bogor, Indonesia
  • Sufiatul Maryana Universitas Pakuan, Bogor, Indonesia
  • Fani Susanti Universitas Pakuan, Bogor, Indonesia

Keywords:

Swamedikasi, Obat, Gejala Penyakit, MSVM, 3-fold cross validation

Abstract

Swamedikasi adalah upaya masyarakat untuk mengobati dirinya sendiri. Swamedikasi biasanya dilakukan untuk mengatasi keluhan-keluhan dan penyakit ringan yang banyak dialami masyarakat, seperti demam, nyeri, pusing, batuk, influenza, sakit maag, kecacingan, diare, penyakit kulit dan lain-lain. Namun bila tidak dilakukan dengan benar justru akan menimbulkan masalah baru yaitu adanya resistensi bakteri dan ketergantungan. Kesalahan pengobatan juga mengakibatkan munculnya penyakit baru karena efek samping obat antara lain seperti gangguan sistem pencernaan, reaksi hipersensitif, serta memungkinkan terjadi keracunan. MSVM adalah metode multiclass support vector machine yang digunakan untuk mengelompokkan dan mengurutkan data obat berdasarkan gejala penyakit. Penelitian ini menggunakan 200 data obat bebas dan obat bebas terbatas dari buku ISO (Informasi Spesialite Obat Indonesia) dengan 2 atribut utama dan 3 kelas. Berdasarkan pengujian 3-fold cross validation yang telah dilakukan didapatkan nilai akurasi sebesar 96,5% dengan rata-rata akurasi 88,33%.

Downloads

Download data is not yet available.

References

Cholissodin, imam, 2016. Analitik Data Tingkat Lanjut. http://imamcs.lecture.ub.ac.id/files/2012/08/9-AnalitikData-Tingkat-LanjuKlasifikasi-Big-Data_L1617_v7.09.pdf . 15-04-2019

Hariri,F.R.,Pamungkas,D.P.,2016.Implementasi Naïve Bayes Classifier Untuk Diagnosa Status Gizi Balita.ISSN : 2302-3805

Ikatan Apoteker Indonesia. 2019. ISO Informasi Spesialite Obat Indonesia Volume 52Tahun 2019.Yogyakarta: isfipenerbitan.

Joko, I, 2004. System Development Life Cycle Dengan Beberapa Pendekatan.Vol .2 No.2. Lailaturahmi. 2011. Buku Panduan : Lebih Dengan Obat.

https://lailaturrahmi.files.wordpress.com/2015/05/buku-panduan1.pdf . 24-03-2019

Larose, D. T., 2005. Discovering Knowledge In Data, An Introuction to Data Mining. Canada: John Wiley & sons, inc.

Prasetyo, E., 2012. Data Mining : Konsep dan Aplikasi Menggunakan MATLAB. Yogyakarta: ANDI.

Agustinus Jacobus dan Edi Winarko; Penerapan Metode Support Vector Machine pada Sistem Deteksi Intrusi secara Real-time

Suryono, R.R.,et. al., 2019. Analisis Perilaku Pengguna Sistem Informasi Pengetahuan Obat Buatan Untuk Kebutuhan Swamedikasi. Vol 13(1) : 1-4

Susena, I.G.N.E.,et. al., 2018. Optimasi Parameter Support Vector Machine (SVM) dengan Particle Swarm Optimization (PSO) Untuk Klasifikasi Pendonor Darah Dengan Dataset RFMTC. Vol 2(12):7278-7284.

Suyanto. 2018. Machine Learning Tingkat Dasar Dan Lanjut. Bandung : Penerbit Informatika.

Wijayanti, R.A.,et al.2018. Penerapan Algoritme Support Vector Machine TerhadapKlasifikasi Tingkat Risiko Pasien Gagal Ginjal. Vol 2 : 3500-3507.

Downloads

Published

2021-10-17

How to Cite

Putra, A. P., Mulyana, I., Maryana, S., & Susanti, F. (2021). Implementasi Multiclass Support Vector Machine Pada Sistem Rekomendasi Obat Berdasarkan Gejala Penyakit. Prosiding Seminar Nasional Sains Teknologi Dan Inovasi Indonesia (SENASTINDO), 1, 211–222. Retrieved from https://aau.e-journal.id/senastindo/article/view/106